Allzwecktechnologien oder GPTs sind "jene Technologien, die das Wirtschaftswachstum beeinflussen und sowohl das Leben der Haushalte als auch die Art und Weise, wie Unternehmen Geschäfte machen, verändern": Hierbei handelt es sich um Deep-Learning-Modelle, die Rohdaten als Grundlage für das Lernen verwenden, um anhand einer Eingabeaufforderung statistisch wahrscheinliche Ergebnisse zu erzeugen. Diese Modelle sind in der Lage, qualitativ hochwertige Texte und Medien zu generieren, die den Originaldaten ähnlich sein können oder auch nicht. Beispiele für diese Modelle sind ChatGPT von OpenAI, DALL-E2 und Google PaLM-2.lxvi

Dies ist eine Veränderung in einer Organisation, die durch die Einführung neuer Technologien ermöglicht wird.cxlvi

Der Fehler ist die Differenz zwischen der gewünschten Ausgabe und der tatsächlichen Ausgabe, wenn ein künstliches neuronales Netz mit Testdaten trainiert wird, die dann zur Anpassung der Gewichte zwischen den Knoten innerhalb des Netzes verwendet werden.cxlvii

Dies ist ein Satz von Daten, die einem neuronalen Netz zur Verfügung gestellt werden, und die entsprechenden Bezeichnungen, die verwendet werden, um die Genauigkeit der Vorhersagen des neuronalen Netzes zu bestimmen.cxlviii Siehe auch Trainingssatz und Validierungssatz.

"Das Denken ist eine Funktion der unsterblichen Seele des Menschen. Gott hat jedem Mann und jeder Frau eine unsterbliche Seele gegeben, aber keinem anderen Tier oder einer Maschine. Folglich kann kein Tier und keine Maschine denken. "cxlix

"Diese Theorie besagt, dass die traditionellen psychometrischen Ansichten über Intelligenz zu begrenzt sind. Gartner schlug vor, dass es acht Intelligenzen gibt, und schlug vor, möglicherweise eine neunte hinzuzufügen, die als existentialistische Intelligenz bekannt ist".xcvii

"Jede versteckte Schicht kombiniert die Werte der vorhergehenden Schicht und lernt kompliziertere Funktionen der Eingabe. Die Tatsache, dass die Werte der versteckten Einheiten nicht 0 oder 1 sind, sondern kontinuierlich, ermöglicht eine feinere und abgestufte Darstellung ähnlicher Eingaben. Aufeinanderfolgende Schichten entsprechen abstrakteren Darstellungen, bis wir zur letzten Schicht gelangen, in der die Ausgaben in Form dieser abstraktesten Konzepte gelernt werden".xliv

"Methoden, mit denen Modelle mit mehreren Abstraktionsebenen vom rohen Input bis zum Output trainiert werden. Bei der visuellen Erkennung zum Beispiel ist die unterste Ebene ein aus Pixeln bestehendes Bild. In aufsteigenden Schichten kombiniert ein Deep Learner diese zu Strichen und Kanten unterschiedlicher Ausrichtung, die dann kombiniert werden können, um längere Linien, Bögen, Kreise usw. zu erkennen. Die Einheiten jeder Schicht kann man sich als einen Satz von Primitiven auf einer anderen Abstraktionsebene vorstellen. "xlv

Diese Art von Fehler ist eine Funktion des iterativen Prozesses des Trainings eines künstlichen neuronalen Netzes unter Verwendung der Daten, mit denen es trainiert wurde, um die Gewichte zwischen den Knoten innerhalb des Netzes anzupassen.cl

Dies ist ein Satz markierter Daten, die einem neuronalen Netz zur Verfügung gestellt werden, um ihm beizubringen, was die gewünschte Ausgabe für eine der gegebenen Eingaben ist.cli Siehe auch Validierungssatz und Testsatz.

Dies sind neuronale Netze, die Kontext und Bedeutung durch die Verfolgung von Beziehungen in aufeinanderfolgenden Daten über einen Aufmerksamkeitsmechanismus lernen. Transformer-Modelle können erkennen, wie Elemente in einer Reihe einander beeinflussen und voneinander abhängen. Sie können Sprache und Text fast in Echtzeit übersetzen, so dass hörgeschädigte Personen oder Nicht-Muttersprachler einer Sprache verstehen können, was geschrieben oder gesagt wird. Sie können auch bei der Entwicklung von Arzneimitteln, der Betrugsbekämpfung oder bei Online-Empfehlungen eingesetzt werden.clii

Dies ist "ein Test für KI, bei dem ein Befrager versucht festzustellen, ob er es mit einem Menschen oder einem Computerprogramm zu tun hat".